最近读《红楼梦》，读到了宁荣二府受元妃之命前往清虚观打醮，那人马纷纷、轿车云云的场面，好不气派！在清虚观里张法官有意与宝玉说亲，但是心里只有黛玉的宝玉自然反感至极。至第二日，宝玉因张道士的说亲心中大不自在，且因为黛玉中暑，闷闷不乐。为此专门前往潇湘馆来看黛玉，却不知原为好意的探视却因为黛玉的偏执、任性的小性子惹起了两人的误会。至此大观园里的潇湘馆两人又是哭又是闹，甚至惊动了贾母。两人虽各处一室、却情发一心，一个掩面啜泣，一个仰天长叹，真真叫人看的捉急。

也难怪，哪个少男少女谈恋爱不是在这样的感情里互相较量过来的呢！

正所谓：

颦颦眉间泛情思，

冉冉身影惹人怜。

之前有很长一段时间觉得Python作为一种弱类型的语言，写起来很不得劲儿，写法总觉得怪怪的，可能是强类型的语言写惯了或者受Java亦或Golang先入为主的影响。不太想去接触Python，觉得语法又慢又不“正宗”，即便它很强大，解决问题很锋利，但依然让我觉得这不是一门值得学习的编程语言。

直到我看了一篇帖子，用几行代码就解决了一个问题，刹那间，好像突然就改变了我对Python的看法。

其实语言作为一种工具，并无优劣之分，不管是静态还是动态语言，都是站在编译器的肩膀上做一些解决业务问题的工作。Python作为高级语言的一种，简洁的语法、强大的第三方库这是它最大的优势，只要能给我们解决问题带来便利，它就是好工具。

今天我们来一起学习一下，强大的geopandas库。

Front

因为使用pip安装很多第三方库受限服务器都在国外的原因，所以下载速度很慢。

因此为了加速下载，我们可以配置全局的pip镜像下载源，步骤如下：

1. 使用Python的配置步骤：

使用win+E打开文件管理器，在地址栏键入%appdata%；
在该目录下新建pip文件夹；
在pip文件夹下，新建pip.ini文件；
在pip.ini文件内，输入以下内容：

[global]

timeout=6000 index-url = http://mirrors.aliyun.com/pypi/simple

trusted-host = mirrors.aliyun.com

至此，我们可以流畅的使用pip安装任何第三方库了。

2. 使用Anaconda的配置步骤：

进入Anaconda安装目录的Scripts目录；
右键启动cmd命令行窗口，输入以下命令，并回车；

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/ #设置搜索时显示通道地址 conda config --set show_channel_urls yes

3. 查看配置结果；

conda config --show channels

[图片上传失败...(image-3cf46e-1648374378608)]

About GeoPandas

GeoPandas is an open source project to make working with geospatial data in python easier. GeoPandas extends the datatypes used by pandas to allow spatial operations on geometric types. Geometric operations are performed by shapely. Geopandas further depends on fiona for file access and matplotlib for plotting.

geopandas包详情:

[图片上传失败...(image-a61ecc-1648374378608)]

顾名思义，GeoPandas 通过添加对地理空间数据的支持来扩展流行的数据科学库 pandas。

GeoPandas 中的核心数据结构是 geopandas.GeoDataFrame，它是pandas.DataFrame 的子类，可以存储几何列并执行空间操作。 geopandas.GeoSeries 是 pandas.Series 的子类，用于处理几何图形。因此，您的 GeoDataFrame是pandas.Series 与传统数据（数字、布尔值、文本等）和 geopandas.GeoSeries 与几何（点、多边形等）的组合。

Install

如果你使用Anaconda,那么键入以下命令即可：

conda install geopandas

如果你是使用Python，那么首先去下面的网站下载对应的依赖，因为pip不会帮助我们自己安装依赖。

https://www.lfd.uci.edu/~gohlke/pythonlibs/

依赖包根据自己的python版本和OS选择合适的即可，包括

Fiona pyproj rtrre shapely GDAL

实际按照上面的顺序安装会报错，因此实际的安装顺序如下：

GDAL->Fiona->pyproj->shapely->rtree

安装命令为,以GDAL为例，其它亦然：

pip install GDAL-3.4.2-cp37-cp37m-win_amd64.whl

验证一下是否安装成功：

[图片上传失败...(image-cc151e-1648374378607)]

Example

注：以下代码均可单独运行，并输出结果至控制台

geopandas.GeoSeries

构造POINT

`from shapely.geometry import Point
 from geopandas import geopandas 
 s = geopandas.GeoSeries([Point(1, 1), Point(2, 2), Point(3, 3)])
 print(s)`

构造具有坐标系的POINT

`from shapely.geometry import Point
 from geopandas import geopandas 
 s = geopandas.GeoSeries(
 [Point(1, 1), Point(2, 2), Point(3, 3)], crs="EPSG:3857")`

geopandas.GeoSeries.area

1. 构造地理集合，并量算面积

from shapely.geometry import Polygon, LineString, Point s = geopandas.GeoSeries( [ Polygon([(0, 0), (1, 1), (0, 1)]), Polygon([(10, 0), (10, 5), (0, 0)]), Polygon([(0, 0), (2, 2), (2, 0)]), LineString([(0, 0), (1, 1), (0, 1)]), Point(0, 1) ] ) area = s.area print(area)

geopandas.GeoSeries.boundary

构造地理集合，并返回低维对象(抽稀)

`from shapely.geometry import Polygon, LineString, Point 
 from geopandas import geopandas
 s = geopandas.GeoSeries(
 [
 Polygon([(108.923166,35.363084), (109.322899,35.274691), (109.355755,35.283365),(108.936301,35.380966),(108.923166,35.363084)]),
 LineString([(0, 0), (1, 1), (1, 0)]),
 Point(0, 0),
 ]
 )
 boundary = s.boundary
 print(boundary)`

geopandas.GeoSeries.x

获取地理对象的X值

`from shapely.geometry import Point
 from geopandas import geopandas 
 s = geopandas.GeoSeries([Point(1, 1), Point(2, 2), Point(3, 3)])
 s.x
 print(s.x)`

geopandas.GeoSeries.within

返回两个几何图形是否包含，值为bool

`from shapely.geometry import Polygon, LineString, Point
 from geopandas import geopandas 
 s1 = geopandas.GeoSeries(
 [
 Polygon([(0, 0), (2, 2), (0, 2)]),
 Polygon([(0, 0), (1, 2), (0, 2)]),
 LineString([(0, 0), (0, 2)]),
 Point(0, 1),
 ],
 )
 s2 = geopandas.GeoSeries(
 [
 Polygon([(0, 0), (1, 1), (0, 1)]),
 LineString([(0, 0), (0, 2)]),
 LineString([(0, 0), (0, 1)]),
 Point(0, 1),
 ],
 index=range(1, 5),
 ) 
 polygon = Polygon([(0, 0), (2, 2), (0, 2)])
 within = s1.within(polygon) 
 print(within) 
 print(s1.within(s2)) 
 print(s1.within(polygon))`

geopandas.GeoSeries.to_json

地理集合转json

from shapely.geometry import Point s = geopandas.GeoSeries([Point(1, 1), Point(2, 2), Point(3, 3)]) s.to_json()

geopandas.GeoDataFrame.set_crs

GeoDataFrame设置CRS

`import os
 import sys
 import pyproj
 from shapely.geometry import Point
 from geopandas import geopandas 
 os.environ['PROJ_LIB'] = os.path.dirname(sys.argv[0]) 
 os.environ['PROJ_LIB'] = "D:\ProgramData\Anaconda3\Library\share\proj\" 
 d = {'col1': ['name1', 'name2'], 'geometry': [Point(1, 2), Point(2, 1)]}
 gdf = geopandas.GeoDataFrame(d)
 print(gdf.crs)
 gdf = gdf.set_crs('epsg:4490')
 print(gdf.crs)`

geopandas.read_file

读取矢量文件

`from geopandas import geopandas
 from geopandas.geodataframe import GeoDataFrame 
 df = geopandas.GeoDataFrame.from_file("W:\desktop\葛瑶\毕业论文\GIS\shp\城六区遗址公园面状.shp") 
 head = df.head(6)
 print(head)`

Missing and empty geometries

缺省和空值

`from shapely.geometry import Polygon 
 from geopandas import geopandas 
 s = geopandas.GeoSeries([Polygon([(0, 0), (1, 1), (0, 1)]), None, Polygon([])]) 
 print(s.area)
 print(s.union(Polygon([(0, 0), (0, 1), (1, 1), (1, 0)])))
 print(s.intersection(Polygon([(0, 0), (0, 1), (1, 1), (1, 0)])))`

1. Creating a GeoDataFrame from a DataFrame with coordinates

`import pandas as pd
 import geopandas
 import matplotlib.pyplot as plt 
 df = pd.DataFrame(
 {'City': ['Buenos Aires', 'Brasilia', 'Santiago', 'Bogota', 'Caracas'],
 'Country': ['Argentina', 'Brazil', 'Chile', 'Colombia', 'Venezuela'],
 'Latitude': [-34.58, -15.78, -33.45, 4.60, 10.48],
 'Longitude': [-58.66, -47.91, -70.66, -74.08, -66.86]}) 
 gdf = geopandas.GeoDataFrame(
 df, geometry=geopandas.points_from_xy(df.Longitude, df.Latitude)) 
 print(gdf.head()) 
 world = geopandas.read_file(geopandas.datasets.get_path('naturalearth_lowres')) 
 We restrict to South America. 
 ax = world[world.continent == 'South America'].plot(
 color='white', edgecolor='black') 
 We can now plot our GeoDataFrame. 
 gdf.plot(ax=ax, color='red') 
 plt.show()`

运行结果如下：

[图片上传失败...(image-6093b0-1648374378607)]

2. create a Isodensity map

`import pandas as pd
 import numpy as np
 import pandas as pd
 import matplotlib.pyplot as plt
 import geopandas as gpd
 from shapely.geometry import Point, geo # 经纬度转换为点
 import adjustText as aT
 import mapclassify
 import warnings 
 plt.rcParams['font.sans-serif'] = ['SimHei']
 plt.rcParams['axes.unicode_minus'] = False 
 map_name = "西安市区域专题图" 
 warnings.filterwarnings('ignore') 
 读取数据为geodataframe格式 
 geo_ = gpd.GeoDataFrame.from_file('W:\Google_Download\西安市.json', encoding='utf-8')
 print(geo_)
 geo_.head(3)
 df = pd.read_csv(r'C:\Users\王斌\Desktop\POI.csv', encoding='utf-8') 
 df['geometry'] = list(zip(df['wgs84_lon'], df['wgs84_lat'])) # 经纬度组合为新列geometry，与形状里的该列对应
 df['geometry'] = df['geometry'].apply(Point) # 经纬度转化为坐标点
 gpd_df = gpd.GeoDataFrame(df) 
 base = geo_.plot(color='lightblue', edgecolor='grey', figsize=(15, 15)) # 利用形状信息画底图
 gpd_df.plot(ax=base, color='red', marker="o", markersize=50, alpha=0.01) # 在底图上添加出租房位置
 plt.gca().xaxis.set_major_locator(plt.NullLocator()) # 去掉x轴刻度
 plt.gca().yaxis.set_major_locator(plt.NullLocator()) # 去掉y轴刻度 
 geo_.plot(figsize=(8, 6), # 图像大小
 column='name', # 分级设色字段
 # scheme='quantiles', # MapClassify-分级类型
 legend=True, # 图例
 cmap='Pastel1_r', # 渐变色带的名称#Set2
 edgecolor='k') # 边框颜色 
 图名 
 plt.Artist 
 plt.title('{}'.format(map_name), fontsize=18, fontweight='bold') 
 显示网格，透明度为50% 
 plt.grid(True, alpha=0.5) 
 plt.show() 
 plt.savefig('./image/{}.png'.format(map_name), dpi=300)`

如下为运行结果，红色斑块为西安市城六区的POI点，为21万余点。

[图片上传失败...(image-be99a2-1648374378607)]

[图片上传失败...(image-c95103-1648374378607)]

Summary

geopandas的函数较多，这里我选了几个运行和学习，大家有兴趣可以根据自己的需要进行学习。

geopandas作为一个Python与GIS结合的库，根据官网的介绍其提供的功能还是比较丰富的，能够进行较多的地理数据处理，也可以快速绘制一些基础地图，并能够灵活的对地图进行设计。

我感觉可以满足大部分的GIS小场景，但是遇到比较复杂的业务场景或者功能，可能还得借助桌面端的软件来辅助完成。

总体来讲，我感觉在解决一些小的GIS问题上来说还是很锋利的。

值得一学！

Error Summary

这里额外记录一个错误，我排查、上网找资料好久才算解决。

这里记录下来供大家参考！

错误的原因就是使用geopandas读取矢量文件或者绘图时会引发pyproj库的无效投影错误，错误截图如下：

pyproj.ecception.CRSError: Invalid projection:epsg:2263:(Internal Proj Error:···)

[图片上传失败...(image-7da2cd-1648374378607)]

这是在Proj官网上给出的一个常见错误排查方案，能提供思路，但是没有解决问题。

Why am I getting the error “Cannot find proj.db”?

The file proj.db must be readable for the library to properly function. Like other resource files, it is located using a set of search paths. In most cases, the following paths are checked in order:

A path provided by the environment variable PROJ_LIB.

A path built into PROJ as its resource installation directory (typically ../share/proj relative to the PROJ library).

The current directory.

Note that if you’re using conda, activating an environment sets PROJ_LIB to a resource directory located in that environment.

最后在根据在网上查看许久发现线索指向Proj.db，该文件可能有问题，因为报错总是提示SQLite error,具体来说是关于初始化查询的一个错误，说明 Proj.db可能是有问题的。

使用如下代码打印出目前pyproj的资源指向路径：

data_dir = pyproj.datadir.get_data_dir() print(data_dir)

在我的笔记本上该路径指向D:\ProgramData\Anaconda3\Lib\site-packages\pyproj\proj_dir\share\proj

经查看该文件下的Proj.db为7.7M左右，但是pyproj官方提示的在Anaconda的安装目录/share/proj下的Proj.db大小为5.36M。

实在想不到解决办法的我，大胆地把D:\ProgramData\Anaconda3\Lib\site-packages\pyproj\proj_dir\share\proj下的Proj.db替换为了Anaconda的安装目录/share/proj下的Proj.db。

正所谓：“无心插柳柳成荫”，没想到问题好像解决了。程序可以正确的进行矢量文件读取和制图。

按道理来讲，由Anaconda下载的依赖，其中的依赖关系会被较好的处理，很难出现这样的错误。

我记得我在网上好像看到了Pyproj库是建立在EPSG数据库之上的，这个错误可能是由与版本冲突造成的吧。

希望后面可以搞清楚原因。

知道其中缘由的同学，一定要私信我哈~

Python+GIS ≈Geopandas?